PDF
研究文章|开放获取
k . Suresh躁狂Roshima Biju Warish Patel,穆罕默德汗顶层,n .斯里兰卡Madhava拉贾,乌玛, ”胼胝体的提取和评价从2 d脑MRI片:布谷鸟搜索算法的研究”,计算和数学方法在医学, 卷。2021年, 文章的ID5524637, 15 页面, 2021年。 https://doi.org/10.1155/2021/5524637
胼胝体的提取和评价从2 d脑MRI片:布谷鸟搜索算法的研究
k . Suresh躁狂,1 Roshima Biju,2 Warish帕特尔,3 穆罕默德汗顶层,4 n .斯里兰卡Madhava拉贾
,5
和
美国乌玛6
1电子和通信Eng。,National University of Science and Tech, Muscat, Oman
2研究学者,计算机科学系Eng。Parul大学瓦尔道拉,391760年古吉拉特邦,印度
3计算机科学系Eng。,Parul University, Vadodara, Gujarat 391760, India
4计算机科学系,硝酸钾大学博物馆,Taxila,巴基斯坦
5电子系和仪表中。,St. Joseph’s College of Engineering, OMR, Chennai 119, India
6安娜大学研究学者,钦奈,印度
文摘
这项工作提出了一个以计算机为基础的诊断方法(CBDM)来描述和评估胼胝体(CC)段的二维(2 d)大脑核磁共振影像(MRI)。拟议中的CBDM包括两个部分:(1)预处理和(2)后处理部分。预处理工具与混乱的布谷鸟搜索multithreshold技术(CCS)算法和优先阈值过程。提取CC的后处理使用了一个描述过程部分。拟议中的CBDM最后CC提取至关重要的参数,如大脑区域(稍后通知)和CC总面积(CCA)分类考虑二维核磁共振片到控制和自闭症谱系障碍(ASD)组。这次尝试考虑基准大脑MRI数据库包括遵守和MIDAS实验调查。遵守数据集的结果进一步证实了模糊 - - - - - -意味着推动水平集(FCM + LS)和多相水平集(MLS)技术和建议的夏侬熵CBDM活动轮廓(SE + AC)提出了改进的结果相比,现有的方法。进一步的性能CBDM证实在大富翁和临床数据集。实验结果通过该CBDM提取CC部分大脑先生从2 d图像替代技术相比有更高的精度。
1。介绍
胼胝体(CC)是大脑中一个至关重要的部分负责神经大脑的两个部分之间的通信。CC '连合在人类的大脑,它由近200 - 300轴突(1]。欣克利et al。(2012)胼胝体发育不全的(ACC)证实,CC破解方案和问题中起着重要作用迅速在声音处理(2]。保罗et al。(2014)的研究也提出了ACC和孤独症的关系(3]。他们的工作也证实了CC障碍会导致自闭症。在早期重要的研究,据报道,许多作品观察自闭症障碍基于CC (4- - - - - -7]。一些类似的研究工作也报告研究两性异形在CC (8- - - - - -14]。
由于其临床意义,大量的CC评估程序已被研究人员提出并讨论了(15,16]。通常,CC地区最好的矢状视图中可见的二维(2 d)大脑核磁共振。CC的知名度也大约类似于其他正常的大脑组织,因此,CC的MRI的分割需要一些复杂的程序相比,其他大脑区域的分离。考虑文学程序,如手动分割(6),水平集方案(10),活动轮廓的方法(15),和模糊 - - - - - -意味着(16)应用于提取CC与可能的准确性。这些方法大多数考虑的两步过程分离的CC矢状核磁共振成像。
在最近一段时间,两步过程集multithresholding和分割被广泛采用的调查人员获取感兴趣的区域(ROI)的大脑核磁共振记录等各种形式的天赋,T1, T1C, T2,扩散加权(DW) [17- - - - - -22]。这些方法实现启发式algorithm-oriented阈值过程开发的突出ROI和首选分割计划我的ROI。此外,ROI评估相比,对应的地面实况(GT)域专业提供的照片。图像相似性参数(ISP)期间获得ROI和GT评价证实脑MRI评估技术的优越性(23- - - - - -25]。
早期作品确认了启发式的方法大脑核磁共振工作提供改进的结果。这是获得与现有常规流程相比(25]。因此,在这个工作中,最成功的启发式程序称为布谷鸟搜索算法(CS)被认为是在大脑核磁共振成像预处理。传统的CS (TCS)的性能增强的基于混沌算子被称为Ikeda地图(IM),辅助完成更好的阈值结果。即时通讯的细节及其应用进行了(20、21)。实验调查的工作然后与随机行走和Brownian-Walk运营商相比,这证实了混沌布谷鸟搜索(CCS)提供更好的阈值相比,传统的CS。
在预处理过程中,CCS标识阈值的最优值大脑核磁共振。在预处理,比较考试中著名的阈值方法,如Kapur Tsallis,大津,香农。这有助于找到最适合的阈值方案CC考试使用2 d大脑核磁共振。后加工计划的作用是划分CC进行预处理。后矿业CC评估与执行地面真理相比获得至关重要的互联网服务提供商。
在文学,讨论一些方法来获得CC中大脑认为2 d图像。此外,大多数的方法计算整个大脑区域感兴趣(稍后通知)和胼胝体区域(CCA)对2 d大脑核磁共振数据集进行分类控制和自闭症谱系障碍(ASD)组。在分析图像属于医学,它总是必不可少的测量的结果提出工具选择的图像数据集。如果工具在数据集运行良好,进一步开发图像检查仪器可以被认为是估计医疗级图像。
CC检查计算的早期作品只有稍后通知和CCA和直接实现了分类过程。评估开发工具的效力,必须计算isp和基本统计措施。此外,软computing-based CC考试也需要提高提取精度。因为这些原因,在预测工作,CCS CBDM提出了研究CC部分。
这个研究也提出了一个详细的研究(i)不同的阈值过程,如大津,卡普尔,Tsallis,香农和(2)各种分割方法,如水平集(LS)、Chan-Vese (CV)、地区(RG)增长,活动轮廓(AC),以确定适当的预处理和后处理实践我的CC。
试验研究在Matlab软件实现(Version7 Release14,地方政府投资公司。285705号使用公众自闭症与永恒的术语)数据库,如遵守(60志愿者的图片)19,20.和大富翁(图像 志愿者)[21]。预测工具的临床意义与实时临床MRI证实Proscans实验室(图像的获取 志愿者)[22]。
2。相关的工作
MR成像技术是广泛用于记录性能和内部器官的畸形的生物。磁共振成像方法的改善另外支持功能的升级和评价记录在三维数码照片。现行评价方法处理复杂的3 d图像。他们需要非凡的计算机迅速由于数据量是巨大的。降低难度评估MRI,重组3 d图像进一步转化为大量的2 d切片。最后,使用一个合适的图像二维切片评估调查系统。在拟议的工作中,2 d大脑MRI片被认为是在这项研究中,和CC中涉及的各个阶段划分和相应的大脑异常被发现呈现在图1。
从2 d切片检查CC的MRI矢状视图通常被研究者认为。保罗et al。(2014)提出了一个实用的考试比较ACC和自闭症使用2 d MRI的T1和DW模式(3]。他们的工作确认检查CC驴ACC和自闭症是至关重要的。沃尔夫et al。(2015)提出了一个临床研究证实CC地区减少长老和成人有自闭症谱系障碍(ASD) [4]。弗雷泽和Hardan(2009)应用提出考试在CC部分自闭症的患者(5]。手动分割方案被认为是提取和评估CC的大小值,证实自闭症可以预测基于CC部分的大小。贝克et al .(2010)检查CC及其片段的大小与总脑容量(TBV)来识别自闭症对性别和显示在男性高于女性(TBV值6]。Lefebvre et al。(2015)提出了一种研究神经解剖学的各种CC和TBV自闭症和验证工作,考虑到694名志愿者的大脑核磁共振成像(7]。研究CC和变化大小的两性异形TBV和CC还广泛研究使用二维核磁共振片[8]。
先前的研究验证CC的要求检查在人类的大脑分析;因此,更多的关心在CC区域的分割是至关重要的。通常,CC是大脑核磁共振的薄片,像素强度类似于其他的大脑部分。因此,至关重要的是要考虑一个高效的图像处理系统摘录和估计CC的2 d脑MRI形态。
弗雷多et al .(2014)应用一个两步的过程,fuzzy-C-means (FCM)聚类和多相水平集(LS)方法描述CC,小脑和脑干的二维核磁共振T1形态和记录获得意味着控制面积0.87 0.67(正常)病例和自闭症案例(9]。此外,弗雷多et al .(2015)在遵守数据库上实现了一个类似的工作有20个样品的控制情况下( 和 )和20的自闭症案例样本( 和 )和获得意味着控制面积0.90例0.75,ASD (10,11]。弗雷多et al .(2015)采用反应扩散正规化水平集(RDRLS)方法描述CC (10]。Vachet et al。(2012)实现变形活动傅里叶轮廓模型(15],İcer(2013)讨论了基于高斯混合模型和FCM的两步方法提取CC (16]。李et al。(2013)执行一个自动化的两步分割方案结合均值漂移聚类的技术改善图像和几何活动轮廓(GAC)依赖于分割CC (26]。曾et al .(2010)的工作实现了光谱与多尺度分割图分解过程提取CC (27]。最近进行的一项研究et al。(2018)提供了一个详尽的评估各种CC评估计划,核磁共振方法和性能措施中存在的文献[28]。他们的工作还报告说,t1加权磁共振成像是广泛采用的形态(44%)检查CC。这项工作还讨论了现有方案的优缺点和小说还建议需要评估工具。
提议的过程有两个过程提取CC区出现在2 d大脑MRI的T1形态也实现。实验调查、数据库如遵守和MIDAS利用。此外,在这个方法中,它的实现和验证临床图像从Proscans实验室先生。
3所示。以计算机为基础的诊断方法
简要总结有关本文中采用的方法提供了一个以计算机为基础的诊断方法(CBDM)的提取从2 d CC大脑核磁共振在这部分讨论。数据库利用的大纲,基本任务检查图像的大脑,预处理,提出了描述和验证精心。
图2提出了不同阶段在这个检查工具使用。首先,矢状面MRI的2 d图像选择部分被认为是有/没有头骨部分。早期改善原始MRI片是使用一个合适的图像预处理方法,和一个首选后处理方案被采纳我CC部分。此外,工具可以验证的性能对比分析与地面真理(GT)提出的专家形象。提取CC然后由医生通过提供验证的决定下一步治疗病人正常或提供治疗预后的大脑状态。在所有情况下,开发工具通过任何合适的方法只能提供一个建议/ preopinion关于大脑异常,和医生提供咨询,从而得出结论在治疗病人进一步基于条件。
3.1。MRI数据库
的矢状面MRI采用本文从公共数据库收集的容忍和MIDAS等。进一步说,真正的临床图像获得Proscans也是本研究工作中使用。这些整个数据库包含3 d T1记录的脑结构形态。艾滋病ITK-SNAP版本3.6.0工具来获取完整的数据集的2 d切片。(29日,30.),和一个图像正常化实现获取二维片大小 像素。类似的做法是用于GT住的形象。容忍是常用的数据库在孤独症研究中,它提供了重要的细节,如主题案例(控制/自闭症),性别、年龄、CC, TBV [9- - - - - -11]。
在这个工作中,60名志愿者(群13 - 16岁)图像被认为是考试。MIDAS数据库由两个控制(正常)和两个自闭症志愿者的图片记录了时代的2年和4年随访,分别。最后,志愿者从Proscans收集的临床图像也检查了使用该方法。
3.2。图像预处理
这个方案通常被认为是改善情况下评估使用一个合适的图像处理技术。这个过程将增加ROI,把相似的像素值与一组阈值选择。近期相关工作确认两步预处理实践是一个重要的阶段图像处理工具。
3.2.1之上。头骨剥离
通常,重建大脑MRI与外骨叫头骨。T2和天赋的模式类型,浓度的像素属于头骨大约大于软脑组织。在T1 MRI形态,头骨强度类似于脑组织的强度水平。自动化的大脑区域分割总是需要一个合适的头骨剥离过程离散的软区域大脑头骨的信息(31日]。各种头骨移除方法讨论了研究人员可以发现在32]。如果实现半自动的大脑部分分割,额外的头骨删除不需要进一步的程序。方法如LS,简历,RG,和AC半自动的组不考虑头骨部分。本文的工作是煽动2 d MRI片,有或没有头骨部分。
3.2.2。布谷鸟搜索算法
考虑到与现有各种metaheuristic方法,布谷鸟搜索(CS)提出的杨和Deb似乎是一个有效的软计算技术(33- - - - - -37]。最近,CS是被广泛接受的最大数量的研究人员在解决众多优化任务(38,39]。CS与萤火虫相比的主要优势和蝙蝠的CC算法结构简单,支持更高的概率优化的解决方案。可以找到各种混沌搜索程序辅助CS (40,41]。
计算机科学的数学表达式如下:
CS执行以下约定:(我)鸟儿在身后留下了一个鸡蛋在随机提名其他鸟类的巢(2)巢强劲的幸存的蛋是遗传的成功水平。这个蛋的孵化率比这更快的主机(3)分类的机会主机鸟在CS的蛋 对于选定的优化任务
在大多数的启发式算法,成就发现一项决议找工作一般取决于其测向方法。通常,它是指导下征收飞行(低频)和混乱的策略42,43]。
摘要Ikeda地图(IM)是选择驱动CS,和即时可用的细节44,45]。在CS优化调查,新生的位置自然依靠以前的位置 。在本节中,随后方程占布谷鸟搜索一个更新的位置: 在哪里更新后的位置和意味着早期的位置,⊕表示进入者乘法器,我显示了池田混沌映射的方法。通常,参数““被分配一个正整数(即, )在这个研究中,“α“分配1。更多细节关于CS Deb和杨的作品中引用(37]。
IM的混沌搜索算子,其解释和应用各种启发式算法可以找到在17,18]。 在哪里是迭代数,ϕ被分配为0.1,δ选为7,无序吸引力约束( )值为0.75。
方程(2)介绍了最近的IM实现Satapathy et al。(2018)增加调查能力的蝙蝠算法(BA) (46]。这个工作建立IM-assisted英航提供更好的结果与粒子群优化(PSO)相比,萤火虫算法(FA)和传统的英国航空公司。此外,Abhinaya和拉贾(2015)(17和拉克希et al . (2016)18)证实了利用IM-based布谷鸟搜索医学图像处理。因此,这项工作实现了一个混乱的IM搜索技术来改善传统的布谷鸟搜索的性能(TCS)方法。拟议中的混乱的布谷鸟搜索的效果与其他技术(CCS)进一步证实,如粒子群优化(PSO) (47(拍频振荡器)[],细菌觅食优化48],蝙蝠算法(BA) [41],TCS (41]。
随后的初始约束分配每一个启发式算法:本文采用代表的维度被指定为30,勘探测量设置为3(三级),保持完整的迭代极限是1500,和结束标准给出最大化价值的图像测量(类间方差大津,最大化熵Kapur,香农和Tsallis阈值方案)。
3.2.3。图像阈值
阈值是一个广泛遵循传统图像增强过程采用过程和医学图像23- - - - - -25]。在阈值过程中,相框被分组相关像素分成几个部分,发现和评估重大信息存在的画面。之前的研究工作确认各种阈值方案的可用性,如大津,卡普尔,香农,Tsallis预处理灰度和RGB图片。这一节还实现了上述阈值之间的比较研究过程。
(1)首先进行计划。这个方案是一个著名的审判程序广泛采用进展图片根据选择的阈值。在本研究的相关作品,multithresholding基于大津的方法被研究人员广泛应用的图像情况下根据组内的方差最大化。
首先是一个非参数阈值方案开发的197949),其数学关系描述如下;
让 ,和所选阈值号码是三个(即, ),将输入图像划分为三个不同的团体,像什么 , ,和 。
假设图像由阈值 ,将输入图像分成三组: ;灰度值从0到 , 有灰色的水平范围来 ,和包含灰色的水平来 。
目标函数将上述情况 在哪里
在情商。3),符号ω和μ分别代表了类概率和类方法。
(2)卡普尔的技术。Kapur的熵(KE)最初在1985年提出评价灰色缩放图像按照其基于直方图的熵(50]。柯艾滋病探索图像的最佳阈值的基础上,它的熵。因为结果证明提供令人满意的结果,许多研究使用柯审议在文献[18]。
柯的精确模型是定义如下:
让 代表个人图像的阈值。此外,完整的熵可表示如下:
方程(4)指定的所选的熵值阈值。
在trilevel阈值赋值,目标函数值表示 在哪里显示了分配和可能性 描述了概率发生 - - - - - -的水平。
(3)香农的技术。香农熵(SE)的过程中建立了Kannappan 1972年(51]。Rajinikanth et al。(2017)指出,SE大脑核磁共振检查的方法提供了更好的结果相比,卡普尔和Tsallis技术(18]。
在近期作品,SE依赖阈值是用来执行预处理医学图片。阐明SE,图片尺寸 在考虑。灰色的图片的像素排列( , )表示为 ,为 和 。让是考虑测试的不同层次的灰色图像,和所有灰度值的集合 可以象征 ,以这样一种方式
然后,归一化直方图 。
的阈值水平设置为3,情商。5)成为
阈值为代表 表示归一化直方图表明最优阈值。进一步的信息本身可以找到(52]。
(4)Tsallis技术。Tsallis熵(TE)是一个nonextensive由Tsallis熵思想来源于SE (53,54),表示为
的方程,计划未来,熵的指标,我代表每个状态的概率 。通常,与Tsallis熵值获得的过程, ,将满足香农熵的什么时候 l。
信息熵是表示使用quasiadditive指令
你可以利用发现图像的最佳阈值。一个测试用灰色的水平值 与传播的可能性 被认为是。因此,Tsallis trilevel-based阈值过程与目标函数实现: 在哪里
当执行多级过程基于阈值,一个最优阈值要获得这样的目标函数吗被最大化。在现有工作,主体CCS算法发现最大化的最优阈值”“大津,柯、SE和TE选择阈值的三个案例。
3.3。图像后处理
这个阶段的目的是我的ROI (CC)预处理脑MRI。各种自动和半自动的分离措施的细节的图像处理文献中详细介绍。基于实现,分割过程分为(i)自动化和(2)半自动的计划。自动化方案,细分过程需要一个最小或零运营商的协助。半自动的方法,初始化分割的任务是由操作员完成基于试验和错误的方法或采用指导实践。
3.3.1。自动分割
分割方法,如流域(55),主成分分析(56),而聚类方法( - - - - - -意味着,模糊 - - - - - -意味着,等等)。57),有一些技术,属于类别的自动分割方法。在这些过程中,操作员之间的相互作用在起始相对比较少。
3.3.2。半自动的分割
半自动的分割(SAS)方法被广泛认为是在医学图像分析中,当一个复杂的分割任务完成。在这些方法中,运营商的援助在分割的执行是至关重要的。操作员负责开始操作,分配所需的迭代运行时间/数量和分配的终止准则。SAS被研究者广泛应用从一个类中提取ROI复杂的医学图像(25]。一般来说,SAS作品的基础上,识别相似的像素值的初始点。它将探索所有可能的相似像素值出现在预处理图像,直到到达最大迭代值。方法,如水平集(LS) [58),Chan-Vese(简历)59,60),区域增长(RG) [61年),和主动轮廓(AC) (62年),属于此类。执行预测工作,交流分割获得CC,然后验证及其性能对替代方法,如LS,简历,RG。
交流有一个适应性强的蛇形搜索机制,修改其所有可能的方向,使其地址比较像素集群中的可用图像基于能量最小化理论讨论在63年]。因为它的优点,交流通常采用医学图像进行检查。
AC执行操作,如(我)边界识别,(ii)初步曲线生成对所确定的边界,(3)改变蛇的方向跟随像素组到能源变得最小,最后(iv)曲线生成和提取区域内部最终的轮廓。
能量函数的AC的蛇 在哪里欧氏距离的组成和吗曲率的长度吗 。它满足的约束 。限制表明边缘,这将减弱基于客观的边缘定义为 在哪里表示在研究和测试图像描绘了一个随机的常数。能源值迅速下降,因为价值观反映的边缘梯度继承量化。
这个方法是科学的特点 在哪里 表明蛇模型的变化。代表了重复周期。和的曲线和正常被认为是蛇” 。”在这个过程中,蛇的轮廓是不断调整到标称值的能量;是完成了。
3.4。评价GT的ROI
本节的目的是检查的性能建议方法采用一个合格的考试在ROI和GT。这项工作标准大脑核磁共振数据集确定为住,商讨测试图像与GT相关联。在这项研究中,图像的相似值,如Jaccard、骰子,假阳性率(玻璃钢),和假阴性率(FNR),计算(23- - - - - -25]。
并给出了数学术语方程式。(15)- (18): 在哪里意味着GT和代表了开采部分。
此外,图像的统计结果,包括敏感性、特异性、准确性、计算和精度,也(64年,65年]。
表达式中指定这些边界方程式。(19)- (22): 在哪里 , , ,和表示相关措施。
4所示。结果和讨论
结果阐述了计划工具来完成。各种早期作品支持的可访问性相当大的CC考试考虑图像的处理过程。预计工作工具有一个两阶段过程观察著名的2 d矢状脑MRI和先生从诊所获得图像。这项工作反映了当代启发式被称为CCS技术的支持以及著名的阈值方法。全面评估的分割过程中,如LS,简历,RG,和交流,提出。CDT开发执行与AMD的C70双核1 GHz CPU 4 GB的RAM的电脑配备了Matlab软件。
首先,遵守数据集60名志愿者(30控制和30 ASD类)被认为是为考试。这个数据库包含了2 d矢状面MRI与T1形态与像素的测量记录 。这个数据集与相关专业提供的GT。
图3描绘了一个选择的二维核磁共振和容忍的GT。然后这个图像上实现预处理过程通过考虑原来的版本和头骨剥夺了版本。这图也描述了各种过程的阈值结果反映在这项工作。数据3 (c)和3 (d)代表首先进行方法的增强图像,数字3 (e)和3 (f)描述的结果KE-based trilevel阈值,和数字3 (g)和3 (h)表明,SE和数字的结果3(我)和3 (j)显示了TE的结果。提高测试后图片基于阈值选择方法,用于提取分割任务CC部分为了找到参数,如稍后通知和CCA讨论(11]。在细分任务,每一个预处理测试图像测试使用LS,简历,RG,交流方法。这个测试结果证实了LS方法提供了虚假的结果大部分时间由于CC的可见性。在大多数图像的情况下,CC像素强度与正常脑组织类似强度。因此,考虑图像,提取和评价的任务是实现只有简历,RG和交流。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
(我)
(j)
图4代表了启发式算法的搜索合并首先trilevel阈值操作上实现图像1。CCS聚集在582年提出th迭代,和搜索过程在1417年终止th迭代。这个确认了预计CCS执行更好的与其他方式相比,采用本研究。重复类似的技术与其他阈值技术,如Kapur Tsallis,和香农,大多数情况下,提出的CCS提供改进的结果相比,PSO,拍频振荡器,英航。这证实了CCS适用于选择大脑核磁共振的阈值问题。
图5描述了执行AC-based提取的CC预处理测试图像呈现在图3。类似的过程是额外的2 d周期性的矢状面图像数据库,记录及其影响。确认被认为是卓越的预处理方法,相对研究开采中CC和GT执行,和图像匹配计算和统计结果。这个比较研究证实,所选择的数据集,首先和KE程序未能提供更好的结果比SE和TE-based程序。因此,首先和柯被忽略的结果,和SE和TE预计的结果。表1代表代表图像的分割结果达到SE + AC和TE + AC。类似的结果达到SE +简历,SE + RG, TE +简历,TE + RG。表2和3存在的类似信息考虑图像和统计措施实现在这实验调查。从表2和3获得的,也可以观察到,结果大津+ AC和KE + AC差相比替代品。
(一)
(b)
(c)
(d)
(e)
(f)
|
|||||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
预计CBDM的性能确认与像素级之间的相对评价开采CC区和GT。为了演示性能,开采CC部分SE + AC和TE + AC的图像1被认为是和结果见图6。图6(一)描绘了SE的混淆矩阵+ AC,人物6 (b)介绍了TE的混淆矩阵+ AC。从这些图像,它可以区分图像相似性约束(ISP)提供的提议CBDM更好。与进一步的图像重复类似的技术,获得的样本结果与图1图6中描述表2和3。
(一)
(b)
表3验证图像SE的措施获得更好的TE相比。的平均结果计算遵循数据库(60志愿者)比例提出了表4,它的图形表示形式呈现在图7。这个表格和图确认整体形象相似和获得的统计结果SE + AC优越与其他方法相比。这也验证交流优于简历和RG考虑数据集。表5介绍了公司的计算值和CCA,这个结果还验证,FCM的平均结果+ LS, SE + AC, TE + AC大致相同。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
结果中描述的数据8和9也证实,该方法基于SE + AC和TE +交流提供了更好的结果在大富翁和Proscans数据集。从这些结果,可以理解,提出CBDM有更多的功效在矿业T1的CC段形态脑部MRI片。
(一)
(b)
(c)
(d)
这项工作也证实,平均模拟时间由SE + AC / TE + AC为遵守数据集更小(171.19秒/ 168.94秒)比其他方法( , , ,和 )。该技术的主要限制是它实现了半自动的分割技术,如交流、简历和LS过程我CC部分。在未来,如超像素分割方法(66年)和局部二进制模式(67年,68年]可以考虑提取CC。此外,计划中的方法可以被认为是评估收集到的志愿者大脑核磁共振医疗水平与自闭症有关。
5。结论
本文提出了一个计算机CC两步提取工具,图像处理方案。被教唆的方法考虑了混合CCS-assisted trilevel阈值与香农/ Tsallis熵和分割基于CV / RG /交流过程。在临床实验评估,基准数据集,如遵守和大富翁,用于初步评估。此外,这个工具是临床测试2 d矢状面MRI的T1形态从扫描获得中心。实验调查授权,提出工具从大脑中提取CC地区照片有更好的准确性和有助于计算稍后通知和CCA的2 d大脑核磁共振。比较研究也证实,结果大约类似于现有文献中模糊的结果 - - - - - -意味着+ LS过程和比多相LS。拟议中的CBDM还提供更好的临床图像的分割结果。为即将到来的需求,因此,该方法可以被认为是在医疗诊所评估记录的矢状面MRI与T1形态。提出的这项工作的结果可以进一步延长协助调查在不同阶段识别疾病的预后。
数据可用性
本文的作者感谢住的贡献者和MIDAS数据库。数据的主要部分被认为是支持这项研究的结果被收集从这些数据库中。
伦理批准
所有程序中执行研究涉及人类受试者按照道德标准机构和/或国家研究委员会1964年赫尔辛基宣言及其后来的修正案或类似的道德标准。
同意
知情同意是获得所有个体参与者包括在这项研究中。
的利益冲突
作者宣称没有利益冲突。
确认
本文的作者要感谢M / S。Proscans诊断经纪公司,主要在钦奈扫描中心提供临床大脑核磁共振实验调查。作者还要感谢k博士Arvind Karthik M.B.B.S.,董事总经理兼顾问专家,M / S。Proscans诊断分公司,钦奈049年- 600年,为研究工作提供DICOM数据集。
引用
- s . Kollias“洞察人类大脑利用DTI的连接,”尼泊尔放射学杂志》,1卷,不。1,第91 - 78页,2011。视图:出版商的网站|谷歌学术搜索
- l·b·n·欣克利e . j .马可·a·m·芬德利et al .,“胼胝体的角色发展功能连通性和认知加工、”《公共科学图书馆•综合》,7卷,不。8篇文章e39804 2012。视图:出版商的网站|谷歌学术搜索
- l·k·保罗,c . Corsello d·p·肯尼迪和r .人物、“胼胝体发育不全和自闭症:一个全面的比较,“大脑,卷137,不。6,1813 - 1829年,2014页。视图:出版商的网站|谷歌学术搜索
- j·j·沃尔夫,g . Gerig j·d·刘易斯et al .,“改变胼胝体形态与自闭症有关在生命的最初两年,”大脑,卷138,不。7,2046 - 2058年,2015页。视图:出版商的网站|谷歌学术搜索
- t·w·弗雷泽和A . y . Hardan胼胝体的荟萃分析自闭症。”生物精神病学,卷66,不。10日,935 - 941年,2009页。视图:出版商的网站|谷歌学术搜索
- r . Nandhini Abirami, p . m . Durai Raj文森特,塔里克,和k·斯里尼瓦桑彭译葶。常,“CNN和深深GAN计算视觉perception-driven图像分析,“复杂性卷,2021篇文章ID 5541134, 30页,2021年。视图:出版商的网站|谷歌学术搜索
- a . Lefebvre a . Beggiato t Bourgeron, r·托罗”神经解剖学的胼胝体的多样性和自闭症脑容量:meta -分析,分析自闭症脑成像数据交换项目,和模拟,”生物精神病学,卷78,不。2、126 - 134年,2015页。视图:出版商的网站|谷歌学术搜索
- b . a . Ardekani k . Figarsky和j·j . Sidtis“两性异形的人类胼胝体:核磁共振研究使用OASIS大脑数据库,”大脑皮层,23卷,不。10日,2514 - 2520年,2013页。视图:出版商的网站|谷歌学术搜索
- a . r .江淮弗雷多·g·Kavitha, Ramakrishnan,“大脑皮质下区域的分割和分析使用正规化多相水平集在自闭症,图片,”国际期刊的成像系统和技术,24卷,不。3、256 - 262年,2014页。视图:出版商的网站|谷歌学术搜索
- a . r .江淮弗雷多·g·Kavitha, Ramakrishnan,“胼胝体的自动分割和分析自闭症大脑图像使用先生fuzzy-c-means-based水平集方法,”医学和生物工程杂志》上,35卷,不。3、331 - 337年,2015页。视图:出版商的网站|谷歌学术搜索
- a . r . j .弗雷多·g·Kavitha, Ramakrishnan,“胼胝体的细分和分析自闭症大脑使用反应扩散水平集图像,先生”医学成像和卫生信息学杂志》上,5卷,不。4、737 - 741年,2015页。视图:出版商的网站|谷歌学术搜索
- d . l . Floris m . c .赖t . Nath m . p . Milham和a·d·马蒂诺,“网络特殊性别分化的内在男性的大脑功能自闭症,”分子自闭症,9卷,不。1,p。2018。视图:出版商的网站|谷歌学术搜索
- k .谜语、c·j·卡西欧和n d·伍德沃德”自闭症大脑结构:分布形态测量学的分析自闭症脑成像数据库交换(住),“脑成像和行为,11卷,不。2、541 - 551年,2017页。视图:出版商的网站|谷歌学术搜索
- t . Eilam-Stock a .西班牙t . Wu l . j·伊根和j .粉丝,“神经解剖学的改变高功能自闭症成年人谱系障碍,”神经科学前沿,10卷,p。237年,2016年。视图:出版商的网站|谷歌学术搜索
- c . Vachet b . Yvernault k Bhatt et al .,“自动胼胝体使用变形活动傅里叶轮廓模型分割,“国际光学工程学会学报学报,8317卷,2012年。视图:谷歌学术搜索
- s . Kanniappan d . Samiayya d·r·文森特·P M et al。”一个高效的混合模糊驱动的3维建模增强脑部肿瘤的磁共振成像诊断,”电子产品,9卷,不。3,p。475年,2020年。视图:出版商的网站|谷歌学术搜索
- b . Abhinaya和n·s·m·拉贾”解决多层次和布谷鸟搜索算法图像阈值的问题分析,”先进的智能系统和计算卷,339年,页177 - 186,施普林格,2015年。视图:谷歌学术搜索
- v . s .拉克希米·g . Tebby d . Shriranjani诉Rajinikanth,“混乱的布谷鸟搜索和Kapur / Tsallis方法分割的t . cruzi血涂片图像,”国际计算机科学与信息安全杂志(IJCSIS),14卷,不。2016年中投,51-56,2016页。视图:谷歌学术搜索
- k . r .麻疹,r . a .改变s Sojoudi b . Ardekani r . Kuzniecky和h r . Pardoe“胼胝体区和自闭症谱系障碍的脑容量:从遵守数据库结构核磁共振定量分析,“自闭症与发育障碍杂志》上,45卷,不。10日,3107 - 3114年,2015页。视图:出版商的网站|谷歌学术搜索
- “住胼胝体和大脑分割数据,”https://sites.google.com/site/hpardoe/cc_abide。视图:谷歌学术搜索
- “大脑运动:2 - 4岁http://insight-journal.org/midas/community/view/24。视图:谷歌学术搜索
- http://proscans.in/。
- 诉Rajinikanth, s . c . Satapathy s l·费尔南德斯和s . Nachiappan”基于熵的分割肿瘤的大脑图像先生——学习与教学研究基础优化,“模式识别的字母卷,94年,第95 - 87页,2017年。视图:出版商的网站|谷歌学术搜索
- 诉Rajinikanth、n s·m·拉贾和k . Kamalanand“萤火虫算法辅助分割使用Tsallis函数从大脑肿瘤的MRI和马尔可夫随机场,“控制工程和应用信息,19卷,不。3、97 - 106年,2017页。视图:谷歌学术搜索
- 诉Rajinikanth和s . c . Satapathy分割脑缺血性中风病灶的MRI基于社会群体优化和fuzzy-Tsallis熵,”阿拉伯科学与工程》杂志上,43卷,不。8,4365 - 4378年,2018页。视图:出版商的网站|谷歌学术搜索
- d .波兰的s . Cauley b Bilgic et al .,“联合multi-contrast变分网络重建(jVN)应用程序快速2 d和3 d成像,”磁共振医学,卷84,不。3、1456 - 1469年,2021页。视图:出版商的网站|谷歌学术搜索
- a .曾f . Coenen c .江m . Garcia-Finana诉贫民窟,胼胝体的影像分类先生,”以知识为基础的系统,23卷,不。4、330 - 336年,2010页。视图:出版商的网站|谷歌学术搜索
- g . s .封面,w . g . Herrera m . p .盒饭阿彭策尔,和l . Rittner”计算方法为胼胝体在MRI分割:一个系统的文献回顾,“计算机在生物医学方法和项目卷。154年,25 - 35,2018页。视图:出版商的网站|谷歌学术搜索
- p . a . Yushkevich j·佩文,h . c . Hazlett et al。”User-guided解剖结构的三维活动轮廓分割:大大提高效率和可靠性,”科学杂志没有,卷。31日。3、1116 - 1128年,2006页。视图:出版商的网站|谷歌学术搜索
- “ITK-SNAP。”http://www.itksnap.org/pmwiki/pmwiki.php。视图:谷歌学术搜索
- Balasubramanian p·t·克里希,p,和c·克里希,“大脑区域的分割将meta -启发式多级阈值与马尔可夫随机场,“当前医学影像检查,12卷,不。1,4 - 12,2016页。视图:出版商的网站|谷歌学术搜索
- p . Kalavathi和v . b . s . Prasath头骨上的方法剥离的MRI扫描图像审查,”数码影像杂志卷,29号3、365 - 379年,2016页。视图:出版商的网站|谷歌学术搜索
- x杨和s . Deb,“通过征收航班,布谷鸟搜索”世界大会在自然和生物启发计算(NaBIC)哥印拜陀,页210 - 214年,印度,2009。视图:出版商的网站|谷歌学术搜索
- 杨x s, s . Deb, s . k . Mishra“布谷鸟搜索算法全局优化大型化,”认知计算,10卷,不。6,1085 - 1095年,2018页。视图:出版商的网站|谷歌学术搜索
- x杨和s . Deb,“工程优化布谷鸟搜索”国际期刊的数学建模和数值优化,1卷,不。4、330 - 343年,2010页。视图:出版商的网站|谷歌学术搜索
- x s . s . Deb和杨“布谷鸟搜索:最新进展和应用程序”,神经计算和应用,24卷,不。1,第174 - 169页,2014。视图:出版商的网站|谷歌学术搜索
- x s . s . Deb和杨“布谷鸟搜索:最先进的和机会,”第四届国际会议上软计算与机器智能(ISCMI)2017年,页55-59、毛里求斯、。视图:出版商的网站|谷歌学术搜索
- X.-S。f·王,王y, X.-S。杨”,全局收敛性分析,布谷鸟搜索利用马尔可夫理论,“产品表面算法和应用优化卷。744年,67年53 - 2018页。视图:出版商的网站|谷歌学术搜索
- a . h . Gandomi杨x s, a . h . Alavi“布谷鸟搜索算法:metaheuristic方法解决结构优化的问题,“工程计算卷,29号1,17-35,2013页。视图:出版商的网站|谷歌学术搜索
- x s .杨“布谷鸟搜索和萤火虫算法:理论和应用,”研究计算智能施普林格,卷。516年,2014年。视图:谷歌学术搜索
- x杨,产品表面优化算法,爱思唯尔的洞察力,伦敦,2014年。
- h·沙玛,j·c·邦萨尔k . v . Arya x s·杨,”利维飞行人工蜂群算法”,国际系统科学杂志》上卷,47号11日,第2670 - 2652页,2016年。视图:出版商的网站|谷歌学术搜索
- 沙玛,h·沙玛,a . Bhargava n .沙玛和j·c·邦萨尔”最优功率流分析使用征收飞行蜘蛛猴优化算法,”人工智能和软计算的国际期刊,5卷,不。4、320 - 352年,2016页。视图:出版商的网站|谷歌学术搜索
- k . Ikeda“多元静止状态和不稳定的环腔的透射光系统,”光学通信,30卷,不。2、257 - 261年,1979页。视图:出版商的网站|谷歌学术搜索
- k池田h Daido, o . Akimoto“光学湍流:从环腔透射光的混沌行为,”物理评论快报,45卷,不。9日,第712 - 709页,1980年。视图:出版商的网站|谷歌学术搜索
- s . c . Satapathy n s m . Raja诉Rajinikanth, a . s . Ashour n·戴伊,“多层次图像使用大津阈值和混乱的蝙蝠算法,”神经计算和应用卷,29号12日,第1307 - 1285页,2018年。视图:出版商的网站|谷歌学术搜索
- s . Lalwani h·沙玛,s . c . Satapathy k .深和j·c·邦萨尔”并行粒子群优化算法上的调查,”阿拉伯科学与工程》杂志上,44卷,不。4、2899 - 2923年,2019页。视图:出版商的网站|谷歌学术搜索
- s . p . Sahoo s Nayak, m·r·卡巴特”一个reference-based qos多播路由、多目标细菌觅食优化技术”阿拉伯科学与工程》杂志上,43卷,不。12日,第7472 - 7457页,2018年。视图:出版商的网站|谷歌学术搜索
- 大津,“从灰度直方图的阈值选择方法,”IEEE系统,人,控制论,9卷,不。1,第66 - 62页,1979。视图:出版商的网站|谷歌学术搜索
- j . n . Kapur p . k . Sahoo, A . k . c .黄”的一种新方法灰度图像阈值使用直方图的熵,”计算机视觉、图形和图像处理卷,29号3、273 - 285年,1985页。视图:出版商的网站|谷歌学术搜索
- p . l . Kannappan和p . n . Rathie”定向发散的特征。”概率理论和相关领域,22卷,不。2、163 - 171年,1973页。视图:出版商的网站|谷歌学术搜索
- 美国保罗和b Bandyopadhyay”,一个新的图像压缩方法基于多层次图像阈值使用香农熵和微分进化,”学生的技术研讨会(TechSym)Kharagpur,页56 - 61年,印度,2014。视图:出版商的网站|谷歌学术搜索
- c . Tsallis”泛化的波尔兹曼吉布斯统计,”统计物理学杂志,52卷,不。1 - 2、479 - 487年,1988页。视图:出版商的网站|谷歌学术搜索
- c . Tsallis熵nonextensivity:可能测量的复杂性,“混乱,孤波和分形,13卷,不。3、371 - 391年,2002页。视图:出版商的网站|谷歌学术搜索
- j·b·t·m·Roerdink和a . Meijster分水岭变换:定义、算法和并行化策略,”Fundamenta Informaticae41卷,第228 - 187页,2001年。视图:出版商的网站|谷歌学术搜索
- y张和l . Wu,”一位先生大脑图像分类器内核通过主成分分析和支持向量机,”在电磁学的研究进展卷,130年,第388 - 369页,2012年。视图:出版商的网站|谷歌学术搜索
- k s壮族h l . Tzeng陈,j .吴和t·j·陈,“模糊c均值聚类和图像分割的空间信息,“计算机医学影像和图形,30卷,不。1、9 - 15,2006页。视图:出版商的网站|谷歌学术搜索
- c, c, c . Gui和m·d·福克斯,“距离正规化水平集演化及其应用到图像分割,“IEEE图像处理,19卷,不。12日,第3254 - 3243页,2010年。视图:出版商的网站|谷歌学术搜索
- t·f·陈,洛杉矶Vese主动轮廓没有边缘,”IEEE图像处理,10卷,不。2、266 - 277年,2001页。视图:出版商的网站|谷歌学术搜索
- t·f·陈,洛杉矶Vese活动轮廓和分割模型使用几何pde的医疗成像,”几何方法在生物医学图像处理,艾德。r . Malladi数学和可视化,页63 - 75,施普林格,2002年柏林,海德堡。视图:出版商的网站|谷歌学术搜索
- f . y . Shih和美国“自动种子区域生长的彩色图像分割,“图像和视觉计算,23卷,不。10日,877 - 886年,2005页。视图:出版商的网站|谷歌学术搜索
- x Bresson s Esedoḡlu p . Vandergheynst j . p . Thiran和s . Osher“快速全球活动轮廓/蛇模型的极小化,“《数学成像和愿景,28卷,不。2、151 - 167年,2007页。视图:出版商的网站|谷歌学术搜索
- j . Sachdeva诉Kumar Gupta, n口和c k . Ahuja”一种新颖的基于内容的活动轮廓模型对大脑肿瘤分割,“磁共振成像,30卷,不。5,694 - 715年,2012页。视图:出版商的网站|谷歌学术搜索
- h . Lu, a·c·科特和施y .问:,“Distance-reciprocal失真测量为二进制文档图像,”IEEE信号处理信件,11卷,不。2、228 - 231年,2004页。视图:出版商的网站|谷歌学术搜索
- r·f·穆贾达姆和m . Cheriet”多尺度框架退化的文档图像的自适应二值化”模式识别,43卷,不。6,2186 - 2198年,2010页。视图:出版商的网站|谷歌学术搜索
- 李x, y张,x高,和c,”一个简单的算法superpixel分割的边界约束,“IEEE电路和系统视频技术,27卷,不。7,1502 - 5014年,2016页。视图:出版商的网站|谷歌学术搜索
- z d . c . Wang Li Li et al .,”一个高效的基于局部二进制模式的足底压力光学传感器使用卷积神经网络图像分类,“Optik卷,185年,第557 - 543页,2019年。视图:出版商的网站|谷歌学术搜索
- a . Tal, t·赵c . Schirda惠普海瑟林顿,j . w .锅和o . Gonen,“快,区域三维混合(1 d-hadamard 2 d-rosette)质子光谱成像在人类颞叶先生,”在生物医学核磁共振,34卷,不。6篇文章e4507 2021。视图:出版商的网站|谷歌学术搜索
版权
版权©2021 K。苏雷什躁狂等。这是一个开放分布式下条知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。
